PROSPECTIVA

ISSN: 1692-8261
rprospectiva@[Link]
Universidad Autónoma del Caribe
Colombia

Osorio Gómez, Juan Carlos

QFD difuso para la toma de decisiones multicriterio–Ejemplo de aplicación
PROSPECTIVA, vol. 9, núm. 2, julio-diciembre, 2011, pp. 22-29
Universidad Autónoma del Caribe

Disponible en: [Link]

Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en [Link] Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
QFD difuso para la toma de decisiones multicriterio – Ejemplo de aplicación

QFD difuso para la toma de decisiones multicriterio –

Ejemplo de aplicación
Fuzzy QFD for multicriteria decision making – Application example
Juan Carlos Osorio Gómez1
1
Profesor Asociado, Escuela de Ingeniería Industrial y Estadística,
Universidad del Valle, Cali, Colombia. Grupo de investigación en producción y logística. [Link]@[Link]

Recibido 5/05/11, Aceptado 15/11/2011

Resumen

Recientemente, la función de despliegue de la calidad QFD (por sus siglas en inglés) ha pasado de ser una he-
rramienta de la gestión de calidad, para convertirse en una herramienta que facilita los procesos de toma de
decisión en ambientes multicriterio. Este artículo presenta una discusión sobre la aplicación del QFD integrado
con elementos de la lógica difusa para la toma de decisiones en ambientes multicriterio y se desarrolla con un
ejemplo asociado a las decisiones de selección de personal, en el cual se muestra la utilidad de la herramienta y se
logra tomar una decisión que considera todas las valoraciones del equipo decisor, asociadas tanto a los criterios
y características utilizadas para tomar la decisión, como a las alternativas existentes en el proceso. Con respecto
a dichas valoraciones, la lógica difusa permite manejar la ambigüedad y vaguedad inherentes a las calificaciones
verbales presentadas en este tipo de procesos.

Palabras clave: Despliegue de la función de calidad, Lógica difusa, Selección de personal, Toma de decisiones
multicriterio, Herramientas de calidad.

Abstract

Recently, the quality function deployment - QFD has gone from being a tool of quality management into a tool
that facilitates decision-making processes in multi-environments. This article presents a brief discussion on the
application of QFD integrated with elements of fuzzy logic to multicriteria decision making, and it’s showed
with personal selection example which shows the usefulness of the tool and reach a decision that considers all
team ratings decision maker, associated with both the criteria and characteristics used to make the decision, as
the alternatives in the process. With regard to these valuations, fuzzy logic can handle ambiguity and vagueness
inherent in this type of process.

Keywords: Quality function deployment, Fuzzy logic, Personal selection, Multicriteria decision making, Quality tools.

22
 Prospect. Vol. 9, No. 2, Julio - Diciembre de 2011, págs. 22-29

1. Introducción Está claro entonces, que el QFD es una herramienta versá-

til, que ha demostrado su utilidad en casi todas las funcio-
Aunque inicialmente la función de despliegue de la cali- nes organizacionales. Lo que se muestra en este artículo,
dad surgió como herramienta para el diseño y desarrollo es como a través de la utilización del QFD con elementos
de productos, su aplicación ha trascendido al marco de los de la lógica difusa, se pueden tomar acertadamente deci-
problemas multicriterio. Adicionalmente, esta herramien- siones del tipo multicriterio. Por tanto, es importante tocar
ta ha sido combinada exitosamente con elementos de la algunos elementos fundamentales de la lógica difusa.
lógica difusa, con lo cual se han podido obtener resultados
que involucran la subjetividad y ambigüedad presente en 3. Lógica difusa
los juicios lingüísticos de los encargados de tomar las deci-
siones de manera que se logran resultados más cercanos a Aunque muchos autores atribuyan los inicios de la lógica di-
la realidad. En este trabajo se presenta de manera general fusa al matemático Lotfi A. Zadeh, otros autores [4] atribuyen
una metodología multicriterio usando QFD difuso, la cual los inicios de esta lógica al matemático ruso Vasilev, quien
se ilustra a partir de un típico ejemplo de decisión multi- publicó a partir de 1909 una serie de artículos en los que de-
criterio como lo es la selección de una persona para cubrir sarrolló una lógica trivalente, que él llamo lógica aristotélica.
un cargo en la estructura organizacional de la compañía,
que en el caso concreto del ejemplo, corresponde al cargo En 1965, Zadeh publicó el artículo “Fuzzy Sets (Informa-
de jefe de logística de una empresa manufacturera. tion and Control)” que marcó un hito histórico y propor-
cionó el nombre a la disciplina. Pero recién a mediados
Para el desarrollo del artículo es necesario primero intro- de los 70`s los conjuntos difusos “Fuzzy Sets” tuvieron
ducir algunos elementos teóricos relativos al QFD, la lógi- una aplicación práctica cuando se diseñó un controlador
ca difusa y el QFD difuso. Posteriormente, se presentará la borroso para un motor de vapor. Desde entonces, se ha
metodología general y al mismo tiempo se ilustrará dicha asociado a los términos “Lógica Difusa” cualquier sistema
metodología con el ejemplo de aplicación. Se busca con la matemático que se base en los conjuntos difusos [4].
aplicación del ejemplo, aclarar el desarrollo de la metodo-
logía; sin embargo, es importante aclarar que la metodo- La modelación difusa permite la definición de métricas
logía puede ser aplicada en cualquier situación siempre y con las que se puede acceder a los factores intangibles y
cuando se trate de un proceso de decisión multicriterio en tratar con medidas heterogéneas. Además, lo que se busca
el que tomen parte más de un encargado decisor. a través de la matemática borrosa es describir y formalizar
la realidad empleando modelos flexibles que interpreten
2. La función de despliegue de la calidad las leyes que rigen el comportamiento humano y las rela-
(Quality function deployment -QFD) ciones entre los hombres [5].

Fue presentada por primera vez en 1966 en el Japón y su La lógica difusa, permite expresar matemáticamente los
primera aplicación formal fue desarrollada en 1972 [1] valores intermedios a los que puede acudir un evaluador
[2]. Aunque inicialmente fue concebida como herramien- de determinada “situación” o “problema” de tipo cuali-
ta para el diseño y desarrollo de productos, la función de tativo, en el cual, no se sentiría satisfecho al calificar con
despliegue de la calidad ha trascendido estas aplicaciones solo dos valores, falso (0) o verdadero (1), sabiendo que
y hoy por hoy puede considerarse como una importan- en la vida real, es un evento que no se puede definir como
te herramienta en el ámbito de los problemas de decisión totalmente verdadero o totalmente falso, si no que tiene
multicriterio. un grado de verdad o falsedad, que puede variar de 0 a 1.
En esencia, con esta lógica se amplían las opciones frente a
Según [2] se pueden mencionar los siguientes campos de una situación, pues en lugar de los extremos 0 y 1, se tiene
aplicación del QFD; desarrollo de productos, administra- el intervalo entre ellos para emitir un juicio.
ción de la calidad, análisis de las necesidades del clien-
te, diseño de productos, planificación del producto y del Los conjuntos difusos se manejan a partir de números di-
proceso, planificación general, planificación estratégica, fusos, los cuales pueden ser representados por funciones
planificación de procesos de negocios, de calidad de ser- triangulares o trapezoidales [4]. En el caso específico de este
vicios, ingeniería concurrente, ingeniería de calidad e in- artículo se utilizarán los números difusos triangulares.
geniería simultanea, toma de decisiones, administración,
trabajo en equipo, programación de actividades, costeo y 4. Metodología QFD difusa
otros. Dos trabajos importantes para ampliar la informa-
ción sobre el QFD son [2][3]. La metodología que se presenta a continuación está sopor-
tada fundamentalmente en el trabajo de Bevilaqua [6], sin

23
QFD difuso para la toma de decisiones multicriterio – Ejemplo de aplicación

embargo, se pueden encontrar aplicaciones recientes de 4.2 Identificar los criterios relevantes para la evaluación:
QFD difuso en [7-13]. Aplicaciones locales y específicas de “Cómo” o variables externas
la metodología se pueden encontrar en [14-16]. Para el de-
sarrollo de la misma es necesario incluir un grupo multidis- Estos criterios son definidos por el equipo multidisciplina-
ciplinario, que permita definir correctamente los objetivos rio a través de su conocimiento y experiencia. Correspon-
del proceso que se desea trabajar y los parámetros de con- den a un conjunto de atributos o criterios con los que se
trol que guíen el buen desarrollo del sistema lo cual permi- evalúa a todos los posibles candidatos permitiendo reali-
tirá garantizar la coherencia y fiabilidad de los resultados. zar una futura escala de clasificación. Estos constituyen la
matriz 3 que se observa en la figura 1.
Con respecto a este equipo, deberá estar conformado por
las personas responsables del proceso que posean conoci- Para el caso que se viene desarrollando, se consideran es-
miento y experiencia en el área de la decisión. En el caso tos “Cómo”, como los elementos de perfil que deben tener
específico del ejemplo, se tiene la necesidad de contratar los candidatos al cargo de jefe de logística:
un jefe de logística, para ello se ha conformado un equi-
po decisor con las personas de la compañía que ocupan • Ingeniero Industrial o Administrador
los puestos directamente afectados y relacionados con el • Experiencia en el área de logística
cargo en mención, ellos son: gerente general (GG), jefe de • Especialista en logística
recursos humanos (JRH) y gerente comercial (GC). • Excel Avanzado
• Idioma Inglés
4.1 Identificar los “Que” o variables internas • Experiencia en cargos directivos
• Conocimiento en SAP
El equipo multidisciplinario debe definir el conjunto de • Conocimiento en comercio exterior
atributos básicos que deben cumplir las alternativas que
se están examinando para satisfacer todos los requeri- 4.3 Determinar la importancia relativa de las variables
mientos establecidos por la compañía con respecto a la internas
decisión que se quiere tomar. Estos se deben ubicar en la
matriz 1 del método QFD, la cual aparece en la figura 1. Cada uno de los integrantes del equipo multidisciplinario
Para el ejemplo que se va a desarrollar, estos “que” son: deberá determinar el nivel de importancia o peso de cada
conocimiento en el área, conocimiento en el manejo logís- “que”, por medio de una variable lingüística; y es aquí donde
tico, nivel de inglés, manejo de software de inventarios, se introducen los elementos asociados a la lógica difusa, ya
manejo de personal, y conocimientos en comercio exterior que cada una de estas variables se representa a través de un
(importaciones y exportaciones). número difuso. Para el caso ejemplo, se emplean cinco nive-
les de calificación los cuales a su vez se representan por nú-
Figura 1. Modelo matricial QFD-Fuzzy. [20] meros difusos triangulares tal como se aprecia en la tabla 1.
Figure 1. Matricial Model Fuzzy QFD [20]
Tabla 1. Variables lingüísticas para la calificación
Table 1. Linguistic variables for the score

Calificación
Número difuso triangular
(Variable lingüística)
Muy Bajo “MB” (0,1,2)
Bajo “B” (2,3,4)
Medio “M” (4,5,6)
Alto “A” (6,7,8)
Muy Alto “MA” (8,9,10)

En la Tabla 2 se pueden ver las calificaciones del caso. Allí

se observa, por ejemplo, que para el Gerente General el
nivel de importancia asociado al conocimiento en el área y
el manejo de personal es Muy Alto, pero no es igual para
el Gerente comercial. Ahora bien, para determinar la im-
portancia relativa o peso de cada “que” una vez estén asig-

24
 Prospect. Vol. 9, No. 2, Julio - Diciembre de 2011, págs. 22-29

nadas las calificaciones de todos los miembros del equipo variables internas y externas que afectan de igual forma el
multidisciplinario se aplica la ecuación 1: proceso de toma de decisiones.

Tabla 3. Peso de los QUE`s

(1)
Table 3. Weight of What `s

Pesos de los Que´s

Donde q es el número de “Que`s” y n el número de miem-
Conocimientos en el área 7 8 9
bros del equipo multidisciplinario. Cada elemento del
vector es un número difuso triangular definido por el con- Conocimientos en manejo logístico 6 7 8

QUE`S
junto wi = (wi∝,wiβ,wiγ). Los pesos finales obtenidos al incor- Nivel de Inglés 6 7 8
porar las apreciaciones de todos los miembros del equipo Manejo de software de inventarios 6 7 8
multidisciplinario forman la matriz de referencia No. 2 del Manejo de personal 7 8 9
modelo QFD (ver Figura 1).
Conocimientos en comercio exterior 5 6 7
Tabla 2. Calificación de la importancia relativa de las va-
riables internas para el caso de estudio. Cada miembro del equipo multidisciplinario es respon-
Table 2. Score the relative importance of internal variables sable de emitir un juicio sobre el impacto que tiene cada
for the study case. uno de los “Como” sobre cada uno de los “Que”. Dichas
opiniones deben ser expresadas empleando las variables
lingüísticas presentadas en la tabla 1, y serán cuantificadas
Jefe de por medio de los números difusos.
Gerente Gerente
Recursos
General Comercial
Humanos
Para determinar el impacto total de cada “Como” sobre
Conocimientos en el área MA A A cada “Que”, consolidando las opiniones de los miembros
del equipo multidisciplinario, se aplica la ecuación 2:
Conocimientos en manejo
A A A
logístico
Nivel de Inglés A M MA (2)
QUE`S

Manejo de software de
A M MA
inventarios
Manejo de personal MA MA M Donde c es el número de “Como`s” y q y n ya fueron
mencionados. En el caso específico, c = 8. De esta forma
Conocimientos en comercio se consolida la matriz de relaciones 4 del modelo QFD
M M MA
exterior (ver Figura 1), donde cada elemento representa el valor
de correlación consolidado entre cada y cada y está repre-
Se pueden observar en la tabla 3 los resultados para el caso sentado por un número triangular difuso definido por el
de estudio. En este caso, q = 6 y n = 3. Se procede a con- conjunto rij = (rij∝,rijβ,rijγ).
tinuación a ilustrar el cálculo del peso definitivo para el
criterio Conocimiento en el área: Para el caso específico, y tal como se aprecia en la tabla 4 se
puede observar que por ejemplo los miembros del equipo
han considerado que la relación entre el conocimiento en
el área y el hecho de ser ingeniero industrial es Alta, Me-
dia y Muy Alta respectivamente. De allí, que el valor de rij
correspondiente (Correlación conocimiento en el área – Ingeniero Industrial o
1 Administrador
) sea:
4.4 Determinar los niveles de correlación entre las varia-
bles internas y externas

Este punto es fundamental para el desarrollo del modelo

QFD, porque plantea el eslabón entre la definición de las
Es importante notar que cada miembro puede expresar li-
Estos cálculos corresponden a la suma y multiplicación de números
1 bremente su opinión frente a esta relación y no importan
difusos triangulares. Para más información se puede ver [4]. las diferencias entre ellos, pues de lo que se trata es que

25
QFD difuso para la toma de decisiones multicriterio – Ejemplo de aplicación

todas las opiniones sean consideradas al momento de to- Para el ejemplo, se presenta el cálculo de la variable Inge-
mar la decisión. niero Industrial o administrador:

4.5 Cuantificar la importancia relativa de cada variable

externa

El cálculo de la importancia relativa de cada una de las

variables externas corresponde al promedio de los valores
consolidados de correlación rij con los valores consolida-
dos de la importancia relativa de cada variable interna wi, 4.6 Desarrollar la matriz de correlaciones entre las varia-
de acuerdo a la ecuación 3, donde se asumen las conven- bles externas
ciones habituales para q y c:
Esta matriz corresponde al panel triangular de la Figura
1, y permite a los miembros del comité señalar el nivel de
(3) correlación entre pares de criterios que requieren un mejo-
ramiento paralelo, con el fin de tener una perspectiva más
integral y conocer, el efecto que un incremento o mejora
Cada elemento Wj, del vector Pesocomo representa la im- de un criterio tiene sobre los demás.
portancia relativa de cada variable externa y se encuen-
tra definida por medio de la función de números difusos A diferencia de las matrices anteriores, los valores regis-
triangulares Wj = (Wj∝,Wjβ,Wjγ), consolidando la matriz 6 trados no aplican para cálculos matemáticos, si no que re-
del modelo QFD (ver Figura 1). presentan una guía y para indicar el nivel de correlación
se emplean los símbolos definidos en la tabla 5 como se
aprecia en la figura 2.

Tabla 4. Relación entre los Que`s y los Como`s (fragmento)

Table 4. Relationship between “What`s” and “How`s” (extract)

Como`s
Ingeniero Industrial o Experiencia en el área Especialización en
Administrador de logística logística
CARGO GG JRH GC GG JRH GC GG JRH GC
Conocimientos en el
A M MA MA A MA A M MA
área
Conocimientos en
A A A A A MA MA MA MA
manejo logístico …
Quès

Nivel de inglés M M MA M B M B M MB
Manejo de software
A M A A A MA A MA MA
de inventarios
Manejo de personal MA A A A M M B B B
Conocimientos en
M A M A MA A A MA A
comercio exterior

Tabla 5. Escala de Calificación de Matriz de Correlación de variables externas

Table 5. Grading scale Correlation Matrix of external variables

 Correlación muy positiva

Ambos criterios se mueven en el mismo sentido
 Correlación positiva
X Correlación negativa
Los criterios se mueven en sentido contrario
X Correlación muy negativa

26
 Prospect. Vol. 9, No. 2, Julio - Diciembre de 2011, págs. 22-29

Figura 2. Matriz de correlación de variables externas. Te- Donde p es el número de alternativas, 5 candidatos para el
cho del modelo QFD. cargo; y c y n ya fueron mencionados anteriormente. es la
Figure 2. Correlation matrix of external variables. Roof of evaluación difusa expresada por elmiembro n del equipo
the QFD model. decisor para la alternativa h con relación a la variable ex-
terna j. A continuación se presenta el cálculo de la relación
entre el candidato 1 (C1) y la característica Ingeniero In-
dustrial o Administrador:

Tabla 6. Calificación de las alternativas en función de las

4.7 Determinar el impacto final de cada alternativa sobre
variables externas por cada miembro del grupo decisor.
los atributos considerados
Table 6. Qualification of the alternatives in terms of exter-
nal variables for each decision maker.
Una vez se consolida la ponderación final para cada varia-
ble externa, cada uno de los miembros del comité decisor
valora al conjunto de alternativas potenciales en relación COMO’S
a cada variable externa, como se muestra en tabla 6, para  
Ingeniero Industrial Experiencia en el Especialización
finalmente combinar estos resultados con las ponderacio- o Administrador área de logística en logística
nes pertinentes y determinar una clasificación final de las   Cargo GG JRH GC GG JRH GC GG JRH GC
alternativas. C1 A M MA A M MA A M MA
Candidatos

C2 MA MA MA A A A A A A
Del mismo modo, que las matrices anteriores, los juicios
son expresados en términos lingüísticos y posteriormente C3 B M MB M M MA M M MA
cuantificados por medio de números difusos triangulares; C4 A MA MA A M A A M A
así mismo el valor consolidado de los juicios emitidos por C5 B B B MA A A MA A A
los miembros del comité de decisión se obtiene a partir de
la ecuación 4: La matriz final de clasificación de alternativas “CA” (tabla
7), contiene los valores consolidados CAhj de las jth alter-
nativas para las variables externas, cada elemento en esta
(4) matriz está definido por medio de la función de números
difusos triangulares que se presenta a continuación:

CAhj = (CAhj, CAhjβ, CAhjγ)

Tabla 7. Número triangular difuso para la calificación de las alternativas en función de las variables externas
Table 7. Triangular fuzzy number for the rating of the alternatives in terms of external variables

Car.1 Car.2 Car.3 Car.4 Car.5 Car.6 Car.7 Car.81

C1 6 7 8 7 8 9 6 7 8 5 6 7 1 2 3 5 6 7 5 6 7 5 6 7

C2 6 7 8 7 8 9 8 9 10 7 8 9 3 4 5 5 6 7 5 6 7 5 6 7

C3 5 6 7 3 4 5 2 3 4 0 1 2 7 8 9 7 8 9 0 1 2 7 8 9

C4 5 6 7 7 8 9 7 8 9 7 8 9 1 2 3 1 2 3 7 8 9 2 3 4

C5 7 8 9 5 6 7 2 3 4 1 2 3 3 4 5 7 8 9 0 1 2 1 2 3

27
QFD difuso para la toma de decisiones multicriterio – Ejemplo de aplicación

4.8 Clasificación final de las alternativas (ranking de al- decisión. Sin embargo, es recomendable un límite inferior,
ternativas) de manera que las alternativas con calificación por debajo
de este límite sean descartadas. Para el caso en mención,
Este paso representa el objetivo último del modelo QFD_ el ranking se presenta en la tabla 9, donde es evidente que
fuzzy para la toma de la decisión y se resume en el cálculo el candidato más preparado es el candidato 2 y que tam-
del índice ID “Indicé difuso de afinidad” para cada alter- bién es una opción viable el candidato 1. Otro elemento
nativa evaluada; este índice expresa el grado de satisfac- destacable, es que el candidato 5 no debería ser conside-
ción de cada alternativa con las variables analizadas. rado pues se encuentra muy por debajo de los dos mejor
calificados.
El índice ID es un número triangular difuso obtenido a
partir de la ecuación general 5: Tabla 9. Ranking de los candidatos
Table 9. Ranking of applicants

Alternativas Calificación final

C2 (Candidato 2) 281
De este modo el vector ID estará definido por la función, C1 (Candidato 1) 254
cuyos componentes son calculados a partir de las ecua- C4 (Candidato 4) 234
ciones 6, 7 y 8. Los resultados para el caso de estudio se
C3 (Candidato 3) 205
pueden apreciar en la tabla 8.
C5 (Candidato 5) 188

5. Conclusiones

• Es importante destacar que una herramienta como la

función del despliegue de la calidad (QFD) que inicial-
mente fue concebida para las actividades de diseño y
Finalmente para obtener una calificación consolidada (no desarrollo de productos, se convierta en la actualidad
difusa) se recurre al enfoque de defusificación de números en un importante instrumento para la toma de decisio-
difusos triangulares definido por Facchinetti tal como se nes multicriterio.
presenta en la ecuación 9:
• Otro elemento destacable es el uso de la lógica difusa,
la cual permite incorporar los elementos subjetivos y
vagos expresados en los juicios de los expertos, de ma-
nera que al final se tenga una calificación que recoja las
Tabla 8. Ranking de los candidatos en números difusos
opiniones de todos los participantes.
triangulares
Table 8. Ranking of applicants in triangular fuzzy num-
• La organización que decida utilizar el modelo aquí pre-
bers
sentado debe considerar que la conformación del equi-
po decisor es fundamental para el éxito del proceso.
Calificación final (número difuso Se requiere que aquellas personas que integrarán dicho
Alternativas
triangular)
equipo sean realmente conocedoras tanto del proceso
C1 (Candidato 1) 145 245 3814 que se va a efectuar como de las alternativas (provee-
C2 (Candidato 2) 164 272 417 dores, candidatos, equipos) que se estén evaluando.
C3 (Candidato 3) 110 197 316
• Aunque el ejemplo presentado en este artículo involu-
C4 (Candidato 4) 131 225 355
cra solamente evaluaciones subjetivas (cualitativas), el
C5 (Candidato 5) 100 180 292 modelo puede involucrar elementos cuantitativos en
2
algunos apartes. Ello implica un ajuste en el método,
Una vez se cuenta con la calificación final se procede a pero dicho ajuste puede realizarse sin comprometer el
realizar un escalafón de calificaciones de mayor a menor, éxito del resultado.
que determinará la alternativa seleccionada, donde la me-
jor calificada será la primera opción a la hora de tomar la Referencias

Se ha utilizado en la tabla la abreviatura [Link] para referirse a los

2 [1] Sangüesa M, Mateo R y Ilzarbe L. Teoría y práctica de
Como´s presentados en el apartado 4.2 la calidad 1ª edición. Ed Thomson. Madrid, España, 2006.

28
 Prospect. Vol. 9, No. 2, Julio - Diciembre de 2011, págs. 22-29

[2] Chan L-K, Wu M-L. Quality function deployment: A [10] Sohn So Y, Choi I S. Fuzzy QFD for supply chain ma-
literature review. European Journal of Operational Re- nagement with reliability consideration. Reliability Engi-
search Vol 143, No 3, 463–497, 2002 neering and System Safety. Vol 22, No 3, 327 – 334, 2001.

[3] Carnevalli J. A., Cauchick P. Review, analysis and clas- [11] Chen L-H, Ko W-C. A fuzzy nonlinear model for
sification of the literature on QFD—Types of research, quality function deployment considering Kano’s concept.
difficulties and benefits. International Journal of Produc- Mathematical and Computer Modelling. Vol. 48, No 3,
tion Economics. Vol 114, No 2, 737– 754, 2008 581–593, 2008.

[4] Lazzari L; Machado E; Pérez R. Teoría de decisión fuzzy [12] Liu H-T. The extension of fuzzy QFD: From product
1ª edición. Ed. Macchi. Buenos Aires, Argentina, 1998. planning to part deployment. Expert Systems with Appli-
cations. Vol 36, No 8, 11131–11144, 2009.
[5] Tsai M-T, Wu H-L y Liang W-K. Fuzzy Decision Ma-
king for Market Positioning and Developing Strategy for [13] Amin S H, Razmi J. An integrated fuzzy model for
Improving Service Quality in Department Stores. Quality supplier management: A case study of ISP selection and
and Quantity. Vol. 42, No 3, 303 -319, 2008. evaluation. Expert Systems with Applications Vol 36, No
4, 8639–8648, 2009.
[6] Bevilacqua. M., Ciarapica F.E., Giacchetta G. A fuzzy-
QFD approach to supplier selection. Journal of Purchasing [14] Arango D C., Rúales C E. (2008). Selección de pro-
and Supply Management, Vol 12, No 1, 14-27, 2006. veedores mediante el despliegue de la función de calidad
difuso. Trabajo de grado de pregrado. Programa de Inge-
[7] Bottani E y Rizzi A. Strategic management of logistics niería Industrial. Universidad del Valle. Cali – Colombia.
service: A fuzzy QFD approach. International Journal of
Production Economics. Vol 103, No 2, 585–599, 2006. [15] Arias D J y Peña M A (2010). Formulación de un mode-
lo para priorización de despacho de producto terminado
[8] Bottani E. A fuzzy QFD approach to achieve agility. en empresas manufactureras usando QFD fuzzy. Trabajo
International Journal of Production Economics. Vol 119, de grado de pregrado. Programa de Ingeniería Industrial.
No 2, 380–391, 2009. Universidad del Valle. Cali – Colombia.

[9] Celik M, Selcuk C, Kahraman C, Deha E. An integra- [16] Giraldo P. y Martínez L. (2009). Propuesta de mejo-
ted fuzzy QFD model proposal on routing of shipping ramiento para el programa de ingeniería industrial de la
investment decisions in crude oil tanker market. Expert universidad del valle utilizando QFD-fuzzy. Trabajo de
Systems with Applications. Vol 36, No 3, 6227–6235, 2009. grado de pregrado. Programa de Ingeniería Industrial.
Universidad del Valle. Cali – Colombia.

29